Тип публикации: статья из журнала
Год издания: 2025
Ключевые слова: agribusiness, digital monitoring, UAVs, plant health, machine learning, hyperspectral imaging, agriculture, Targeted diagnostics, sustainable production, digitalization, агробизнес, цифровой мониторинг, бпла, фитосостояние растений, машинное обучение, гиперспектральная съемка, сельское хозяйство, точечная диагностика, устойчивое производство, цифровизация
Аннотация: Цель исследования - повышение эффективности аграрного производства за счет внедрения цифрового мониторинга фитосостояния растений на базе беспилотных летательных аппаратов (БПЛА) и алгоритмов машинного обучения. Исходная гипотеза заключается в том, что автоматизация мониторинга с применением цифровых технологий позволит повысить тоПоказать полностьючность диагностики, сократить время отклика на фитопатологические угрозы, снизить затраты на защитные мероприятия и уменьшить экологическую нагрузку. В ходе работы проанализированы существующие методы мониторинга, разработана оптимизированная модель на основе БПЛА, определены требования к системе и принципы построения пользовательского интерфейса. Методологическая основа включала моделирование бизнес-процессов, проектирование программной архитектуры, а также применение машинного обучения для обработки данных дистанционного зондирования. Результатом исследования стало проектное решение цифровой платформы, обеспечивающей автоматический сбор, анализ и визуализацию информации о состоянии растений, оперативную передачу рекомендаций и поддержку принятия решений. Реализация предложенной модели позволяет повысить урожайность, сократить потери и обеспечить устойчивое развитие сельского хозяйства. The aim of this study is to enhance the efficiency of agricultural production through the implementation of digital plant health monitoring using unmanned aerial vehicles (UAVs) and machine learning algorithms. The underlying hypothesis is that automation based on digital technologies will improve diagnostic accuracy, reduce response time to phytopathological threats, lower crop protection costs, and decrease environmental impact. The research involved analyzing existing monitoring practices, developing an optimized UAV-based model, defining system requirements, and designing the user interface. The methodology included business process modeling, software architecture design, and the application of machine learning to process remote sensing data. The result is a conceptual design of a digital platform that enables automated data collection, analysis, and visualization of plant health, providing timely recommendations and decision support. Implementation of the proposed model is expected to increase yields, reduce losses, and support sustainable agricultural development.
Журнал: Глобальный научный потенциал
Выпуск журнала: №4
Номера страниц: 434-437
ISSN журнала: 19979355
Место издания: Санкт-Петербург
Издатель: Межрегиональная общественная организация "Фонд развития науки и культуры"